我正在通过此链接来了解用于文本分类的多通道CNN模型。
该代码基于本教程。
我已经了解了大多数事情，但是我不明白Keras如何定义某些图层的输出形状。
这是代码：
定义一个具有三个输入通道的模型，用于处理4克，6克和8克电影评论文本。
#Skipped keras imports
# load a clean dataset
def load_dataset(filename):
return load(open(filename, 'rb'))
# fit a tokenizer
def create_tokenizer(lines):
tokenizer = Tokenizer()
tokenizer.fit_on_texts(lines)
return tokenizer
# calculate the maximum document length
def max_length(lines):
return max([len(s.split()) for s in lines])
# encode a list of lines
def encode_text(tokenizer, lines, length):
# integer encode
encoded = tokenizer.texts_to_sequences(lines)
# pad encoded sequences
padded = pad_sequences(encoded, maxlen=length, padding='post')
return padded
# define the model
def define_model(length, vocab_size):
# channel 1
inputs1 = Input(shape=(length,))
embedding1 = Embedding(vocab_size, 100)(inputs1)
conv1 = Conv1D(filters=32, kernel_size=4, activation='relu')(embedding1)
drop1 = Dropout(0.5)(conv1)
pool1 = MaxPooling1D(pool_size=2)(drop1)
flat1 = Flatten()(pool1)
# channel 2
inputs2 = Input(shape=(length,))
embedding2 = Embedding(vocab_size, 100)(inputs2)
conv2 = Conv1D(filters=32, kernel_size=6, activation='relu')(embedding2)
drop2 = Dropout(0.5)(conv2)
pool2 = MaxPooling1D(pool_size=2)(drop2)
flat2 = Flatten()(pool2)
# channel 3
inputs3 = Input(shape=(length,))
embedding3 = Embedding(vocab_size, 100)(inputs3)
conv3 = Conv1D(filters=32, kernel_size=8, activation='relu')(embedding3)
drop3 = Dropout(0.5)(conv3)
pool3 = MaxPooling1D(pool_size=2)(drop3)
flat3 = Flatten()(pool3)
# merge
merged = concatenate([flat1, flat2, flat3])
# interpretation
dense1 = Dense(10, activation='relu')(merged)
outputs = Dense(1, activation='sigmoid')(dense1)
model = Model(inputs=[inputs1, inputs2, inputs3], outputs=outputs)
# compile
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# summarize
print(model.summary())
plot_model(model, show_shapes=True, to_file='multichannel.png')
return model
# load training dataset
trainLines, trainLabels = load_dataset('train.pkl')
# create tokenizer
tokenizer = create_tokenizer(trainLines)
# calculate max document length
length = max_length(trainLines)
# calculate vocabulary size
vocab_size = len(tokenizer.word_index) + 1
print('Max document length: %d' % length)
print('Vocabulary size: %d' % vocab_size)
# encode data
trainX = encode_text(tokenizer, trainLines, length)
print(trainX.shape)
# define model
model = define_model(length, vocab_size)
# fit model
model.fit([trainX,trainX,trainX], array(trainLabels), epochs=10, batch_size=16)
# save the model
model.save('model.h5')
运行代码：
首先运行示例将打印准备好的训练数据集的摘要。最大文档长度：1380词汇量：44277（1800，1380）
____________________________________________________________________________________________________
Layer (type) Output Shape Param # Connected to
====================================================================================================
input_1 (InputLayer) (None, 1380) 0
____________________________________________________________________________________________________
input_2 (InputLayer) (None, 1380) 0
____________________________________________________________________________________________________
input_3 (InputLayer) (None, 1380) 0
____________________________________________________________________________________________________
embedding_1 (Embedding) (None, 1380, 100) 4427700 input_1[0][0]
____________________________________________________________________________________________________
embedding_2 (Embedding) (None, 1380, 100) 4427700 input_2[0][0]
____________________________________________________________________________________________________
embedding_3 (Embedding) (None, 1380, 100) 4427700 input_3[0][0]
____________________________________________________________________________________________________
conv1d_1 (Conv1D) (None, 1377, 32) 12832 embedding_1[0][0]
____________________________________________________________________________________________________
conv1d_2 (Conv1D) (None, 1375, 32) 19232 embedding_2[0][0]
____________________________________________________________________________________________________
conv1d_3 (Conv1D) (None, 1373, 32) 25632 embedding_3[0][0]
____________________________________________________________________________________________________
dropout_1 (Dropout) (None, 1377, 32) 0 conv1d_1[0][0]
____________________________________________________________________________________________________
dropout_2 (Dropout) (None, 1375, 32) 0 conv1d_2[0][0]
____________________________________________________________________________________________________
dropout_3 (Dropout) (None, 1373, 32) 0 conv1d_3[0][0]
____________________________________________________________________________________________________
max_pooling1d_1 (MaxPooling1D) (None, 688, 32) 0 dropout_1[0][0]
____________________________________________________________________________________________________
max_pooling1d_2 (MaxPooling1D) (None, 687, 32) 0 dropout_2[0][0]
____________________________________________________________________________________________________
max_pooling1d_3 (MaxPooling1D) (None, 686, 32) 0 dropout_3[0][0]
____________________________________________________________________________________________________
flatten_1 (Flatten) (None, 22016) 0 max_pooling1d_1[0][0]
____________________________________________________________________________________________________
flatten_2 (Flatten) (None, 21984) 0 max_pooling1d_2[0][0]
____________________________________________________________________________________________________
flatten_3 (Flatten) (None, 21952) 0 max_pooling1d_3[0][0]
____________________________________________________________________________________________________
concatenate_1 (Concatenate) (None, 65952) 0 flatten_1[0][0]
flatten_2[0][0]
flatten_3[0][0]
____________________________________________________________________________________________________
dense_1 (Dense) (None, 10) 659530 concatenate_1[0][0]
____________________________________________________________________________________________________
dense_2 (Dense) (None, 1) 11 dense_1[0][0]
====================================================================================================
Total params: 14,000,337
Trainable params: 14,000,337
Non-trainable params: 0
____________________________________________________________________________________________________
和
Epoch 6/10
1800/1800 [==============================] - 30s - loss: 9.9093e-04 - acc: 1.0000
Epoch 7/10
1800/1800 [==============================] - 29s - loss: 5.1899e-04 - acc: 1.0000
Epoch 8/10
1800/1800 [==============================] - 28s - loss: 3.7958e-04 - acc: 1.0000
Epoch 9/10
1800/1800 [==============================] - 29s - loss: 3.0534e-04 - acc: 1.0000
Epoch 10/10
1800/1800 [==============================] - 29s - loss: 2.6234e-04 - acc: 1.0000
我对“层”和输出形状的解释如下：请帮助我理解它是否正确，因为我在多维中迷失了方向。
input_1（InputLayer）（无，1380）：--->1380是每个数据点的特征总数（即1380个输入神经元）。1800是文档或数据点的总数。
embedding_1（Embedding）（None，1380，100）4427700 ---->嵌入层是：1380作为要素（单词），每个要素都是尺寸为100的向量。
这里的参数数量是多少4427700？
conv1d_1（Conv1D）（无，1377，32）12832 ------> Conv1d是的kernel size=4。它1*4是使用过的过滤器32。那么如何尺寸变得(None, 1377, 32)与12832参数？
使用MaxPooling1D（pool_size = 2）的max_pooling1d_1（MaxPooling1D）（None， 688，32）尺寸如何变为(None, 688, 32)？flatten_1（Flatten）（None，22016）这仅仅是688、32的乘法？
**每个纪元一次训练1800个数据点吗？**
请让我知道如何计算输出尺寸。任何参考或帮助，将不胜感激。
请查看以下答案：
input_1 (InputLayer) (None, 1380)：---> 1380是每个数据点的特征总数（即1380个输入神经元）。1800是文档或数据点的总数。
是。model.fit([trainX,trainX,trainX], array(trainLabels), epochs=10, batch_size=16)表示，您希望网络对整个训练数据集进行10次（每次10个纪元）的训练，大小为16。
这意味着每16个数据点将启动反向传播算法，权重将更新。这将发生1800/16时间，将被称为时代。
1380 是第一层中的神经元数量。
embedding_1 (Embedding) (None, 1380, 100) | 4427700---->嵌入层是：1380个特征（单词），每个特征是一个尺寸为100的向量。
1380是输入的大小（上一层中神经元的数量），100是嵌入向量的大小（长度）。
这里的参数数量与您需要训练100个参数的vocabulary_size * 100每个v in vocabulary参数的数量相同。嵌入层实际上是一个矩阵，其大小为100的vocabulary_size向量，其中每一行代表该词汇表中每个单词的向量表示。
conv1d_1 (Conv1D) (None, 1377, 32) | 12832------> Conv1d的内核大小为4。是1 * 4过滤器，使用了32次。然后，尺寸如何变成具有12832个参数的（无，1377、32）？
由于内核的大小，1380变为1377。想象以下输入（为了简化，将大小设为10），内核大小为4：
0123456789 #input
KKKK456789
0KKKK56789
12KKKK6789
123KKKK789
1234KKKK89
12345KKKK9
123456KKKK
看，内核不能再向右移动，因此对于输入大小10和内核大小4，输出形状将为7。通常，对于n的输入形状和k的内核形状，输出形状将是n - k + 1，所以n=1380, k=4结果是1377。
参数的数量等于12832，因为参数的数量等于output_channels * (input_channels * window_size + 1)。您的情况是32*(100*4 + 1)。
max_pooling1d_1 (MaxPooling1D) (None, 688, 32) with MaxPooling1D(pool_size=2)尺寸如何变成(None, 688, 32)？
该max_pooling所以你结束了他们的最大取每两个连续的数字和替换它们，original_size/pool_size价值观。
flatten_1 (Flatten) (None, 22016)这仅仅是688、32的乘积？
是的，这只是688和32的乘积。这是因为flatten操作执行以下操作：
1234
5678 -> 123456789012
9012
因此它将所有维度的所有值都放入一维向量中。
是否每个时代都训练1800个数据点？
否。如第一个答案所指出的那样，它们需要分16批进行。每个时期以16个数据点为批次，以随机顺序获取1800个数据点。时期是一个术语，表示一段时间，之后我们将再次开始读取数据。
编辑：
我将阐明将1d卷积层应用于嵌入层的位置。
您应该将“嵌入”层的输出解释为宽度为1380和100通道的向量。
类似于2d图像，在该图像中输入中具有三个通道的RGB图像，当您应用由32个滤镜构建的卷积层（滤镜大小无关）时，其形状为（宽度，高度，3），同时进行卷积运算到所有通道，输出形状将为（new_width，new_height，32）。请注意，输出形状与过滤器的数量相同。
回到您的示例。将嵌入层的输出形状视为（宽度，通道）。因此，将具有32个滤镜且内核大小等于4的1d卷积层应用于矢量1380和深度100。结果，将得到形状的输出（1377，32）。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句